A platform for research: civil engineering, architecture and urbanism
A platform for research: civil engineering, architecture and urbanism
Approximation abilities of neuro-fuzzy networks
Approximation abilities of neuro-fuzzy networks The paper presents the operation of two neuro-fuzzy systems of an adaptive type, intended for solving problems of the approximation of multi-variable functions in the domain of real numbers. Neuro-fuzzy systems being a combination of the methodology of artificial neural networks and fuzzy sets operate on the basis of a set of fuzzy rules "if-then", generated by means of the self-organization of data grouping and the estimation of relations between fuzzy experiment results.The article includes a description of neuro-fuzzy systems by Takaga-Sugeno-Kang (TSK) and Wang-Mendel (WM), and in order to complement the problem in question, a hierarchical structural self-organizing method of teaching a fuzzy network. A multi-layer structure of the systems is a structure analogous to the structure of "classic" neural networks. In its final part the article presents selected areas of application of neuro-fuzzy systems in the field of geodesy and surveying engineering. Numerical examples showing how the systems work concerned: the approximation of functions of several variables to be used as algorithms in the Geographic Information Systems (the approximation of a terrain model), the transformation of coordinates, and the prediction of a time series. The accuracy characteristics of the results obtained have been taken into consideration.
Zdolności aproksymacyjne systemów neuronowo rozmytych W pracy przedstawiono działanie dwóch systemów neuronowo rozmytych typu adaptacyjnego, przeznaczonych do rozwiązywania zagadnienia aproksymacji funkcji wielu zmiennych w dziedzinie liczb rzeczywistych. Systemy neuronowo rozmyte jako połączenie metodologii sztucznych sieci neuronowych i zbiorów rozmytych funkcjonują na podstawie zbioru reguł rozmytych "jeżeli-to", generowanych z zastosowaniem samoorganizacji grupowania danych oraz estymacji relacji rozmytych wyników eksperymentu.Artykuł zawiera opis systemów neuronowo rozmytych Takagi-Sugeno-Kanga (TSK), Wanga-Mendela (WM) oraz celem uzupełnienia rozpatrywanego zagadnienia hierarchiczną strukturalną samoorganizującą się metodę uczenia sieci rozmytej. Struktura wielowarstwowa systemów stanowi strukturę analogiczną do struktury "klasycznych" sieci neuronowych. W końcowej części artykułu zostały zaprezentowane wybrane obszary aplikacji systemów neuronowo rozmytych w dziedzinie geodezji. Przykłady numeryczne działania systemów dotyczyły: aproksymacji funkcji wielu zmiennych w aspekcie ich wykorzystania jako algorytmów uzupełniających w Systemach Informacji Przestrzennej (aproksymacja rzeźby terenu), transformacji współrzędnych oraz predykcji szeregu czasowego. Uwzględniono charakterystykę dokładności uzyskanych wyników.
Approximation abilities of neuro-fuzzy networks
Approximation abilities of neuro-fuzzy networks The paper presents the operation of two neuro-fuzzy systems of an adaptive type, intended for solving problems of the approximation of multi-variable functions in the domain of real numbers. Neuro-fuzzy systems being a combination of the methodology of artificial neural networks and fuzzy sets operate on the basis of a set of fuzzy rules "if-then", generated by means of the self-organization of data grouping and the estimation of relations between fuzzy experiment results.The article includes a description of neuro-fuzzy systems by Takaga-Sugeno-Kang (TSK) and Wang-Mendel (WM), and in order to complement the problem in question, a hierarchical structural self-organizing method of teaching a fuzzy network. A multi-layer structure of the systems is a structure analogous to the structure of "classic" neural networks. In its final part the article presents selected areas of application of neuro-fuzzy systems in the field of geodesy and surveying engineering. Numerical examples showing how the systems work concerned: the approximation of functions of several variables to be used as algorithms in the Geographic Information Systems (the approximation of a terrain model), the transformation of coordinates, and the prediction of a time series. The accuracy characteristics of the results obtained have been taken into consideration.
Zdolności aproksymacyjne systemów neuronowo rozmytych W pracy przedstawiono działanie dwóch systemów neuronowo rozmytych typu adaptacyjnego, przeznaczonych do rozwiązywania zagadnienia aproksymacji funkcji wielu zmiennych w dziedzinie liczb rzeczywistych. Systemy neuronowo rozmyte jako połączenie metodologii sztucznych sieci neuronowych i zbiorów rozmytych funkcjonują na podstawie zbioru reguł rozmytych "jeżeli-to", generowanych z zastosowaniem samoorganizacji grupowania danych oraz estymacji relacji rozmytych wyników eksperymentu.Artykuł zawiera opis systemów neuronowo rozmytych Takagi-Sugeno-Kanga (TSK), Wanga-Mendela (WM) oraz celem uzupełnienia rozpatrywanego zagadnienia hierarchiczną strukturalną samoorganizującą się metodę uczenia sieci rozmytej. Struktura wielowarstwowa systemów stanowi strukturę analogiczną do struktury "klasycznych" sieci neuronowych. W końcowej części artykułu zostały zaprezentowane wybrane obszary aplikacji systemów neuronowo rozmytych w dziedzinie geodezji. Przykłady numeryczne działania systemów dotyczyły: aproksymacji funkcji wielu zmiennych w aspekcie ich wykorzystania jako algorytmów uzupełniających w Systemach Informacji Przestrzennej (aproksymacja rzeźby terenu), transformacji współrzędnych oraz predykcji szeregu czasowego. Uwzględniono charakterystykę dokładności uzyskanych wyników.
Approximation abilities of neuro-fuzzy networks
Mrówczyńska, Maria (author)
2010
Article (Journal)
English
Flood Forecasting Using ANN, Neuro-Fuzzy, and Neuro-GA Models
| British Library Online Contents | 2009
Flood Forecasting Using ANN, Neuro-Fuzzy, and Neuro-GA Models
| Online Contents | 2009
Robust Neuro-Fuzzy Networks with Outliers Using Support Vector Regression Approach
| British Library Online Contents | 2007
Neuro - fuzzy modeling for liquefaction prediction -
| British Library Conference Proceedings | 2004